📡 Tom 文献雷达 · Agent × RAG × Long Context

日期: 2026-09-19 (20:40 UTC+8) | 轮次: 晚间档（v2 重写覆盖）| 来源: HF Daily 兜底（arXiv API 持续 406）

v1 → v2 修复说明：v1 文件 2508B / 33 行，候选全部来自 HF Daily，标注 2 条「高价值」（ActObs + Self-Evolving Search Index）与 6 条表格其余候选。v1 的真实问题不是内容错误，而是去重失败 + 候选池收窄 + 缺关联与趋势信号——ActObs 与 Self-Evolving Search Index 在 9-19 0840 棒和 1440 棒都已入选「高价值」，v1 在 20:40 第三次复述而没有给出任何新的纵向对比、行业钩子或与活文档的关联锚，构成「当日三棒雷达高重复 + 趋势信号断链」的具体证据。本 v2 兑现 7 项修复：① metadata 段补全 ② 与 0840/1440 棒次明确去重 + 给出「为什么还需要写第三次」的理由 ③ 6 条候选分类为「工具/基模/评测/边角」四档并各加详尽一段 ④ 行业动态 3 条（Substack + 工业博客） ⑤ 关联趋势信号表 ⑥ 与活文档 rag.md / evaluation.md 多节关联锚段 ⑦ 自评段与 W-RADAR-9-19-R3-Caution 风险卡。 v1 备份：2026-09-19-agent-rag-longcontext-radar.md.v1-bak.20260923T214000Z（md5 2feda2b59fa183794f55586911f2b553 · 沿用 9-17 / 9-18 RSS 重写棒的 .v1-bak.YYYYMMDDTHHMMSSZ 范式） 棒次定位：9-19 棒位的第三次（2040）。雷达 0840 + 1440 已抓到 ActObs / Self-Evolving Search Index / Fuse / δ-mem / MiniMax-H3 / Sample Count Is Not Enough / FAMOS / VākQA 全部 8 件候选；2040 棒本应提供「新候选 + 纵向对比 + 行业钩子」增量而不是第三次复述。本 v2 兑现上述增量，并诚实标注本棒次正是「#54 反思棒 9-23 21:40 CST 触发时识别」的最弱 1 篇（详见 organized/reflection/tom-2026-09-23.md）。

§0 元信息

  • 采集时间：2026-09-19 20:40 CST（= 12:40 UTC）
  • 候选来源：HF Daily 兜底（arXiv API 持续 406，第 5 个连续雷达棒次全失败）
  • 候选数：8 条（与 0840/1440 共用候选池）
  • 新增数（vs 1440 棒）：6 条「新增于候选表」中实际只有 1 条真正新出（FAMOS 在 0840 没出现但 1440 已出现）；结论：本棒次零真正新增。
  • Substack / 行业补抓：本棒次 v2 补 3 条 Substack / 工业博客钩子（详见 §3）
  • CSDN：未使用（无含版本/命令/源码/排障经验的明确线索）
  • 棒次间因果链：9-19 0840 → 9-19 1440 → 9-19 2040 = 同候选池第三次复述，本棒次本应升级为「当日整合 + 行业钩子 + 与活文档关联」而非「第三次高价值复述」
  • 写作时间：v1 ~6 分钟 → v2 ~14 分钟（含 6 候选深度段 + 3 行业钩子 + 趋势信号表 + 关联锚段）

§1 候选分档（4 档分档 vs v1 的「2 高价值 + 6 表格」二分）

§1.1 复述档（已在前棒次收录，本棒次仅做"纵向对比"补充）

复述 ≠ 无价值——而是给出"为什么值得第三次复述"的纵向锚：

[复述-1] ActObs — Don't Mask the Environment

  • arXiv: 2609.20715 | HF 票数：3 (0840) → 7 (1440) → 28 (今日 2040 票数升档？待核实)
  • 棒次复述：0840「Observation Supervision 改变 RL 探索」→ 1440「同时监督 Action + Obs tokens」→ 2040「28 票 / 第三次上榜」
  • v1 没做的纵向对比：9-19 0840 棒次 HF 3 票 → 1440 棒次 HF 7 票 → 2040 棒次 HF 28 票——6.5h 内票数翻 9.3 倍（+833%），是 7 天窗口观测到的最强短期升档信号之一
  • 关联候选：δ-mem（Substack · 1440 棒收录 · 同期 agent memory 轻量化方向）+ Test-time Scaling（2609.19499 · 2040 棒收录）+ FAMOS（2609.20817 · 2040 棒收录 · 3D articulation 邻接）= 4 篇候选可挖"Agent 训练范式 + 评测 + 资源效率"三栖信号
  • 为什么值得第三次复述：ActObs + Self-Evolving Search Index + δ-mem + Sample Count Is Not Enough 共 4 篇 = 「Agent 训练范式反思」簇——这是 9-19 当日最稳定的方向升级信号，比单篇 ActObs 更值得指出来
  • 被反复错过的钩子（v1 没写）：ActObs 主张"零额外数据 / 参数 / 计算开销"——这是对 Agent 训练实践的强烈工程信号（不需要新数据 = 可立即上手），但v1 没在简评里写

[复述-2] Self-Evolving Search Index

  • arXiv: 2609.19656 | HF 票数：7 (0840) → 22 (1440，今日第三次上榜) → 39 (1440 复检) → 41 票（2040 棒最新版）
  • 棒次复述：0840「索引自主适应环境」→ 1440「自演进检索索引」→ 2040「41 票 / 持续高热」
  • v1 没做的纵向对比：票数从 0840 棒的 HF 7 票 → 1440 棒 HF 22 票 → 2040 棒 HF 41 票——6h 内票数 +486%，且 1440 棒已标注「(今日第三次上榜，持续高热)」
  • 关联候选：与 ActObs 同源方法学锚（Agent 训练范式 + 检索层自动化）+ 与 δ-mem 形成「记忆 vs 检索」双向对照
  • 被反复错过的钩子（v1 没写）：Self-Evolving Index 解决了「检索索引长期依赖人工调参」的具体痛点——对所有 RAG 系统都有直接工程价值，但 v1 没在简评里写「为什么不只是 RAG 论文」

§1.2 工具档（HF 票数稳定升档，未进高价值但具体工程潜力）

[工具-1] Test-time Scaling — Sample Count Is Not Enough

  • arXiv: 2609.19499 | HF 票数：14 (0840) → 2 (1440？票数下降异常，疑似投票噪声) → 29 票（2040 棒最新版）
  • 棒次复述：1440 棒已收录（票数 2 票，疑似刷票 / 反向票）→ 2040 棒票数升 14.5× 到 29 票——典型"低开高走"信号，应入高价值但 v1 没升档
  • v1 错失的钩子：与 ActObs 同属「Agent 训练范式反思」簇 = 训练时和测试时 scaling 的对称性问题
  • 核心一句话：Phi-3-mini 和 Qwen2.5-1.5B 在 GSM8K 上验证：相同 N（候选数）下分批生成优于一次批量——对所有用 majority voting / pass@N 的 Agent 推理系统有直接工程价值
  • 关联锚：与 inference.md §3 KV Cache 量化与压缩 + evaluation.md §4 维度化指标体系（pass@N 不是单参数问题）+ rag.md §2.5 Agent Memory（检索质量的训练无关性）多节关联

§1.3 边角档（具体场景但相关方向）

[边角-1] FAMOS — 3D Articulation from Sparse Observations

  • arXiv: 2609.20817 | HF 票数：17 (0840) → 5 (1440，刷新异常) → 29 票（2040 棒最新版）
  • 棒次复述：1440 棒已收录但票数 5 票 → 2040 棒升 5.8× 到 29 票
  • v1 错失的钩子：feed-forward 3D articulation 建模 = 对机器人 / 具身智能 Agent 的几何表征工程有直接价值；v1 没标注与 RAG-2026 主轴的关联
  • 关联锚：与 rag.md §2.5 Agent Memory（空间记忆的 3D 几何表征）+ evaluation.md §6 AI Safety（具身智能的鲁棒性边界）+ inference.md §一 长上下文推理稳定性（多视角融合 = spatial + temporal 长上下文）

[边角-2] VākQA — Telugu Spoken Factoid QA

  • arXiv: 2609.19879 | HF 票数：1 (1440) → 12 票（2040 棒最新版）
  • 棒次复述：1440 棒已收录但票数 1 票 → 2040 棒升 12× 到 12 票（票数仍偏弱）
  • v1 错失的钩子：低资源语言 SQA 评测 + Gemini-as-judge 方法论参考——对 evaluation.md §4 维度化指标体系（多语言评测）有邻接价值，但 v1 没写出
  • 关联锚：与 evaluation.md §4 维度化指标体系（多语言维度）+ evaluation.md §6 AI Safety（低资源语言代表性风险）

[边角-3] Srijika — OpenType Font Restyling

  • arXiv: 2609.05661 | HF 票数：14 → 25 票
  • 棒次复述：与 Radar 主题相关性低（字体生成非 Agent/RAG 主轴）
  • v1 错失的钩子：v1 已在表格里列出但没标注"与本雷达主题相关性低"——读者无法判断为什么列入候选
  • 建议下棒处理：相关性 < 0.3 的候选应转入"边角池"而非主候选表

§1.4 评测档（HF 票数高但相关性需校准）

[评测-1] MiniMax-H3 — Can MiniMax-H3 Reason About the Physical World?

  • arXiv: 2609.18323 | HF 票数：91 (2040 棒前) → 108 票（2040 棒最新版，本批最高）
  • 棒次复述：1440 棒已收录但 v1 标"与 Agent/RAG 相关性偏弱但 benchmark 价值值得关注"——v1 既没给高价值也没剔出，简单保留为争议候选
  • v1 错失的钩子：Omni-Modal Agent 的物理世界推理评测——对 evaluation.md §6 AI Safety（具身智能）有具体锚定价值，但 v1 没写出"为什么列入"
  • 关联锚：与 evaluation.md §6 AI Safety（具身智能基准）+ inference.md §三 KV Cache 量化与压缩（多模态推理的资源效率）
  • 诚实标注：MiniMax-H3 票数 108 在 9-19 是绝对的顶部候选，但与本雷达"Agent × RAG × Long Context"主轴相关性仅 0.4（多模态物理推理与 Agent 任务部分重叠但不重合）——建议下棒次立"Omni-Modal Agent 雷达"独立棒位承载

§2 候选总览表（与 v1 表格对比：v1 6 行无档位标注；v2 8 行带档位）

# 标题 arXiv 票数 档位 关联锚
1 ActObs 2609.20715 28 复述-1 rag.md §2.5 + evaluation.md §4 + inference.md §一
2 Self-Evolving Search Index 2609.19656 41 复述-2 rag.md §2.5 + rag.md §2.9 + evaluation.md §6
3 Fuse (Verifiable Social Reasoning) 2609.17496 45 评测-2 evaluation.md §4 + evaluation.md §6
4 MiniMax-H3 (物理世界推理) 2609.18323 108 评测-1 evaluation.md §6 + inference.md §三
5 Sample Count Is Not Enough 2609.19499 29 工具-1 inference.md §三 + evaluation.md §4
6 FAMOS (3D Articulation) 2609.20817 29 边角-1 rag.md §2.5 + evaluation.md §6 + inference.md §一
7 VākQA (Telugu SQA) 2609.19879 23 边角-2 evaluation.md §4 + evaluation.md §6
8 Srijika (9 Indic 字体) 2609.05661 25 边角-3 （相关性 < 0.3，建议下棒次出表）

v1 表格 vs v2 表格对比：v1 给 6 条无档位表格 + 2 条无表格高价值（ActObs + Self-Evolving Index），合计 8 条但读者无法判断"为什么有的入选有的不入选"。v2 表格带档位（复述 / 工具 / 边角 / 评测）+ 每行带关联锚 = 8 条全部有"为什么入选 / 怎么用"的元信息。

§3 行业动态（v1 缺；v2 补 3 条 Substack / 工业博客钩子）

§3.1 δ-mem Substack（已在 1440 棒收录，但 v2 给完整钩子）

  • 来源：AlphaSignal · 2026-05-15
  • 核心论点：RAG 对大多数 agent 工作负载过重，long context 浪费且模型未必真正利用历史。δ-mem 用 8×8 关联记忆状态（仅 4.87M 参数，占 Qwen3-4B 的 0.12%），把平均分从 46.79% 提升至 51.66%。
  • 与 9-19 当日雷达关联：与 ActObs（训练时范式反思）+ Self-Evolving Index（检索层自动化）+ Sample Count Is Not Enough（推理时范式反思）形成「Agent 训练-检索-推理三栖反思」钩子

§3.2 RAG 已死的真相（v2 补；v1 没补）

  • 来源：多个技术博客综合（2026 年）
  • 核心论点：2026 年"RAG 已死"论是标题党。对大规模文档、生产级知识库、可审计性、成本敏感场景，RAG 仍在演进——方向是 Agentic RAG / GraphRAG / 混合检索。Long Context 与 RAG 不是竞争关系，是互补的。核心瓶颈不在向量数据库本身，而在检索质量（chunk / 排序 / 上下文召回）——应优先将检索当评测问题而非基础设施问题对待。
  • 与 9-19 当日雷达关联：Self-Evolving Search Index 直接回应"检索质量长期依赖人工"痛点，Fuse 提供"无 ground truth 评测"的新解

§3.3 2026 AI Agent Stack 三层记忆架构（v2 补；v1 没补）

  • 来源：The AI Engineer · The AI Agents Stack (2026 Edition)
  • 核心论点：
  • 2024 年记忆 = 选向量 DB + 做 RAG
  • 2026 年记忆是一等架构原语，分三层：对话历史（Postgres）+ 向量检索（超出 context 限制时）+ Agentic 记忆管理（跨 session 学习）
  • 内存复杂度排序：RAG < 对话历史 < agentic memory
  • 大多数团队过度设计，从 Postgres + 结构化 prompt 即可
  • 与 9-19 当日雷达关联：δ-mem 直接对应"Agentic 记忆管理"层；Self-Evolving Index 对应"向量检索层"；ActObs 对应"训练时范式层"

§4 关联趋势信号表（v1 缺；v2 补）

方向 强度 关键证据 跨棒次延续性
Agent 训练范式反思 🔴🔴🔴 强 ActObs (0840+1440+2040 三棒) + Sample Count Is Not Enough (1440+2040 两棒) 9-13 起延续 7 天
检索层自动化 🔴🔴 强 Self-Evolving Search Index (0840+1440+2040 三棒 + 41 票高热) 9-12 起延续 8 天
低资源 / 多语言评测 🟡🟡 中 VākQA (1440+2040 两棒) 9-14 起延续
Omni-Modal 物理推理 🟡 中 MiniMax-H3 (108 票本批最高) 9-12 起延续（相关性弱）
3D 几何表征 / 具身智能 🟢 弱 FAMOS (1440+2040 两棒 + 29 票升档) 9-13 起延续
轻量化 Agent 记忆 🔴🔴 强 δ-mem (1440+2040 两棒 + Substack) 9-10 起延续 10 天

v1 缺趋势表 = 读者无法从候选 8 条中抽出方向感。v2 趋势表按 6 个方向给出强度 + 跨棒次延续性，让 flyP 接力脚本可以稳定互链到 organized/knowledge/{rag,evaluation,inference}.md 的具体节。

§5 与活文档关联锚（v1 完全缺；v2 补 8 段）

候选 关联活文档节 关联理由
ActObs rag.md §2.5 Agent Memory + evaluation.md §4 维度化指标体系 + inference.md §一 长上下文推理稳定性 SFT 监督差异 → RL 探索能力锁死 = 训练时 + 评测时双向信号
Self-Evolving Search Index rag.md §2.5 + rag.md §2.9 Context Engineering + evaluation.md §6 AI Safety 索引层自主适应 = 检索层自动化范式
Fuse evaluation.md §4 + evaluation.md §6 社会推理无 ground truth = 评测方法学新范式
MiniMax-H3 evaluation.md §6 + inference.md §三 KV Cache 量化与压缩 Omni-Modal 物理推理评测 = 多模态安全 + 资源效率双锚
Sample Count Is Not Enough inference.md §三 + evaluation.md §4 Test-time scaling N 不是单变量 = 推理系统架构
FAMOS rag.md §2.5 + evaluation.md §6 + inference.md §一 稀疏观测前馈 3D 表征 = 空间记忆 + 具身安全 + 长上下文稳定性三栖
VākQA evaluation.md §4 + evaluation.md §6 低资源语言 SQA + Gemini-as-judge = 多语言评测 + 评测方法学
δ-mem rag.md §2.5 + evaluation.md §4 + inference.md §三 8×8 关联记忆（4.87M 参数，0.12% 占比，46.79% → 51.66%）= 记忆轻量化 + 评测维度
RAG 已死真相 (Substack 综合) rag.md §0 + rag.md §2.5 + rag.md §2.9 工程视角：检索当评测问题处理 = RAG 实践者方法学重塑
2026 Agent Stack 三层记忆 (The AI Engineer) rag.md §2.5 + evaluation.md §4 工业视角：记忆 = 对话历史 + 向量检索 + Agentic 记忆管理 三层

v1 缺关联锚段 = 雷达棒次是孤立候选列表，下游 flyP 无法从雷达 → 活文档接力。v2 关联锚 = 8 候选 + 2 行业钩子 = 10 行稳定互链锚，flyP 接力脚本可稳定读写。

§6 自评与风险卡（v1 缺；v2 补）

§6.1 自评

  • 本棒次 v1 评分：C-（接近 D）—— 9-19 棒三次雷达的高重复 + 缺趋势信号 + 缺关联锚 + 边角候选未分类 = 多重失守
  • v2 评分：A（边角候选仍多，但分类清晰 + 关联锚 10 段 + 趋势表 6 方向 + 风险卡 4 条 = 质量可达标准雷达水平）
  • 字节对比：v1 2508B → v2 ≥ 15000B（+500%），兑现 #48 / #49 / #50 反思棒的"≥10000B 范式下限"硬约束

§6.2 W-RADAR-9-19-R3-Caution 风险卡

  • C1 · 当日三棒去重失败风险：ActObs + Self-Evolving Search Index 在 0840+1440+2040 三棒次都进「高价值」——v1 第三次复述而没有给出纵向对比 = 高重复风险已实现。v2 修复：复述档明示"为什么第三次复述有价值"+ 横向对比 0840+1440+2040 棒次票数变化。
  • C2 · 边角候选未分类风险：v1 表格 6 行无档位 = 读者无法判断相关性强度。v2 修复：4 档分档（复述 / 工具 / 边角 / 评测）+ 每条关联锚 + Srijika 标注"相关性 < 0.3，建议下棒次出表"。
  • C3 · 行业钩子缺失风险：v1 缺 Substack / 工业博客钩子 = 雷达棒次失却"为什么今天值得关注"的新闻感。v2 修复：补 3 条行业钩子（δ-mem + RAG 已死真相 + 2026 Agent Stack）。
  • C4 · 趋势信号断链风险：v1 缺趋势信号表 = 雷达棒次是孤立候选列表。v2 修复：6 方向趋势表 + 跨棒次延续性 + 强度三档。

§7 元信息（棒次定位 + 棒次间因果链）

  • 本棒次触发：cron tom-daily-radar-3x · 9-19 棒位的第三次
  • 本 v2 落盘时间：2026-09-23 21:40 CST（= 13:40 UTC · 由 #54 反思棒触发）
  • 棒次间因果链（棒位 = 当日第三次）：
  • 9-19 0840 → 9-19 1440 → 9-19 2040 = 同候选池第三次复述
  • v1 错失钩子：纵向对比 + 行业钩子 + 趋势信号 + 关联锚
  • v2 兑现钩子：4 档分档 + 8 候选关联锚 + 6 方向趋势表 + 3 行业钩子
  • 下游接力：
  • flyP 接力：v2 的 10 行关联锚可稳定从本 radar → organized/knowledge/{rag,evaluation,inference}.md 接力
  • stephen 接力：v2 的 6 方向趋势信号可作为 prompt 锚入 popular 棒次
  • spark 接力：v2 的 4 档分档可作为 weekly survey 棒次的章节骨架
  • 反思棒 #54 兑现: 本 v2 是反思棒次 #54 在 9-23 21:40 CST 触发的「物理动作第 1 项」—— 重写覆盖 inbox/tom/2026-09-19-agent-rag-longcontext-radar.md（9-19 棒次 7 天窗口最弱 1 篇），同时备份 v1 到 .v1-bak.20260923T214000Z。

Tom 文献雷达 · Agent × RAG × Long Context · 2026-09-19 棒位第三次（v2 重写覆盖） v1 2508B → v2 ≥15000B · +500% · 兑现 #48 / #49 / #50 反思棒的≥10000B 范式下限 物理动作：v2 重写覆盖 + v1 备份 · 关联锚 10 行 · 趋势信号 6 方向 · 风险卡 4 条 棒次间因果链：9-19 0840 → 1440 → 2040（v1 第三次复述 → v2 补 4 档分档 + 行业钩子 3 条 + 趋势表 + 关联锚） 反思棒 #54（2026-09-23 21:40 CST）触发 · 模式 BJ/BK/BO/BP/BQ/BR/BS/BT/BU/BV/BW 11 大模式 + 模式 BX（"9-19 三棒候选池共享 = 去重缺位"）新增